Beyin fonksiyonuna Bayesci yaklaşımlar - Bayesian approaches to brain function

Beyin işlevine Bayesci yaklaşımlar , sinir sisteminin, Bayes istatistiklerinin öngördüğü optimale yakın bir tarzda, belirsizlik durumlarında faaliyet gösterme kapasitesini araştırır . Bu terim davranış bilimlerinde ve sinirbilimde kullanılır ve bu terimle ilişkili çalışmalar genellikle beynin bilişsel yeteneklerini istatistiksel ilkelere dayalı olarak açıklamaya çalışır. Sinir sisteminin , Bayes olasılığına yaklaşan yöntemler kullanılarak duyusal bilginin nöral işlenmesiyle güncellenen dahili olasılık modellerini koruduğu sıklıkla varsayılır .

kökenler

Bu çalışma alanının tarihsel kökleri, makine öğrenimi , deneysel psikoloji ve Bayes istatistikleri dahil olmak üzere çok sayıda disiplinde bulunmaktadır . Daha 1860'larda, Hermann Helmholtz'un deneysel psikolojideki çalışmasıyla, beynin duyusal verilerden algısal bilgileri çıkarma yeteneği, olasılıksal tahmin açısından modellendi. Temel fikir, sinir sisteminin duyusal verileri dış dünyanın doğru bir iç modeline göre düzenlemesi gerektiğidir .

Bayes olasılığı birçok önemli katkıda bulunanlar tarafından geliştirilmiştir. Pierre-Simon Laplace , Thomas Bayes , Harold Jeffreys , Richard Cox ve Edwin Jaynes, olasılığı, mevcut kanıtlara dayalı olarak belirli bir varsayıma veya hipoteze atanabilecek akla yatkınlık derecesi olarak ele almak için matematiksel teknikler ve prosedürler geliştirdiler. 1988'de Edwin Jaynes, zihinsel süreçleri modellemek için Bayesian Olasılığı kullanmak için bir çerçeve sundu. Bu nedenle, Bayes istatistiksel çerçevesinin, sinir sisteminin işlevine ilişkin içgörülere yol açma potansiyeline sahip olduğu erken fark edildi.

Bu fikir, denetimsiz öğrenme , özellikle de Sentez Yoluyla Analiz yaklaşımı, makine öğreniminin dalları üzerine yapılan araştırmalarda ele alındı . 1983'te Geoffrey Hinton ve meslektaşları, beynin dış dünyanın belirsizliklerine dayalı kararlar veren bir makine olarak görülebileceğini öne sürdüler . 1990'larda aralarında Peter Dayan , Geoffrey Hinton ve Richard Zemel'in de bulunduğu araştırmacılar, beynin olasılıklar açısından dünyanın bilgisini temsil ettiğini öne sürdüler ve böyle bir Helmholtz Makinesini ortaya çıkarabilecek izlenebilir sinirsel süreçler için özel önerilerde bulundular .

psikofizik

Ayrıca bakınız: Motor öğrenmede Bayes çıkarımı

Çok çeşitli araştırmalar, psikofiziksel deneylerin sonuçlarını Bayesci algısal modeller ışığında yorumlamaktadır. İnsan algısal ve motor davranışının birçok yönü Bayes istatistikleriyle modellenebilir. Sinirsel bilgi işlemenin nihai ifadeleri olarak davranışsal sonuçlara vurgu yapan bu yaklaşım, Bayes karar teorisini kullanarak duyusal ve motor kararların modellenmesiyle de bilinir. Örnekler Landy , Jacobs, Jordan, Knill, Kording ve Wolpert ve Goldreich'in çalışmalarıdır.

sinirsel kodlama

Birçok teorik çalışma, sinir sisteminin Bayes algoritmalarını nasıl uygulayabileceğini soruyor. Örnekler Pouget, Zemel, Deneve, Latham, Hinton ve Dayan'ın çalışmalarıdır. George ve Hawkins , Bayesian Markov zincirleri ağına dayanan hiyerarşik zamansal bellek adı verilen bir kortikal bilgi işleme modeli oluşturan bir makale yayınladılar . Bu matematiksel modeli, korteksin mimarisi hakkındaki mevcut bilgilerle daha da eşleştirirler ve nöronların hiyerarşik Bayes çıkarımıyla kalıpları nasıl tanıyabildiğini gösterirler.

elektrofizyoloji

Son zamanlardaki bir dizi elektrofizyolojik çalışma, sinir sistemindeki olasılıkların temsiline odaklanmaktadır. Örnekler Shadlen ve Schultz'un çalışmalarıdır.

tahmine dayalı kodlama

Tahmine dayalı kodlama , tahmin hatasını en aza indirmeye dayalı olarak duyusal girdinin nedenlerini çıkarmak için nörobiyolojik olarak makul bir şemadır. Bu şemalar resmi olarak Kalman filtreleme ve diğer Bayesian güncelleme şemalarıyla ilgilidir.

Bedava enerji

1990'larda Geoffrey Hinton ve Karl Friston gibi bazı araştırmacılar , dünyanın gerçek özellikleri ile sinir ağı modelleri tarafından yakalanan bu özelliklerin temsilleri arasındaki tutarsızlığın hesaplanabilir bir şekilde izlenebilir bir ölçüsü olarak serbest enerji kavramını incelemeye başladılar . Son zamanlarda Karl Friston tarafından Bayes beyninin genel bir serbest enerji minimizasyonu ilkesinden ortaya çıktığı bir sentez girişiminde bulunuldu . Bu çerçevede, hem eylem hem de algı, serbest enerjiyi bastırmanın bir sonucu olarak görülür, bu da algısal ve aktif çıkarsamaya ve Bayes beyninin daha somut (etkin) bir görüşüne yol açar. Kullanılması varyasyon Bayes yöntemleri, nasıl gösterilebilir iç modelleri dünyanın özgür enerjisini veya duyusal girdi ve bu girişin tahminler arasındaki tutarsızlığı en aza indirmek için duyusal bilgilerle güncellenir. Bu (nörobiyolojik olarak makul terimlerle) tahmine dayalı kodlama veya daha genel olarak Bayes filtrelemesi olarak kullanılabilir.

Friston'a göre:

"Burada ele alınan serbest enerji, durumu veya konfigürasyonu tarafından kodlanmış beklentiler altında, çevre ile herhangi bir alışverişin doğasında bulunan sürprizin bir sınırını temsil eder. Bir sistem, çevreyi örnekleme şeklini değiştirmek için konfigürasyonunu değiştirerek serbest enerjiyi en aza indirebilir veya beklentilerini değiştirmek Bu değişiklikler sırasıyla eylem ve algıya karşılık gelir ve biyolojik sistemlerin karakteristiği olan çevre ile uyumlu bir değiş tokuşa yol açar.Bu muamele, sistemin durumunun ve yapısının örtük ve olasılıklı bir çevre modelini kodlamasını ima eder. "

Bu araştırma alanı, New Scientist'te 2008'de yayınlanan ve beyin fonksiyonlarının birleştirici bir teorisini sunan bir makalede, meslekten olmayanlar tarafından anlaşılabilir terimlerle özetlenmiştir . Friston, teorinin açıklayıcı gücü hakkında şu iddialarda bulunur:

"Bu beyin fonksiyonu modeli, beyin sistemlerinin çok çeşitli anatomik ve fizyolojik yönlerini açıklayabilir; örneğin, kortikal alanların hiyerarşik yerleşimi, ileri ve geri bağlantıları kullanan tekrarlayan mimariler ve bu bağlantılarda fonksiyonel asimetriler. Sinaptik fizyoloji açısından, ilişkisel plastisiteyi ve dinamik modeller için ani zamanlamaya bağlı plastisiteyi tahmin eder.Elektrofizyoloji açısından klasik ve ekstra klasik alıcı alan etkilerini ve uyarılmış kortikal yanıtların uzun gecikmeli veya endojen bileşenlerini açıklar.Yanıtların zayıflamasını tahmin eder algısal öğrenme ile tahmin hatasını kodlama ve elektroensefalografide tekrarlama bastırma, uyumsuzluk olumsuzluğu ve P300 gibi birçok fenomeni açıklar . Psikofiziksel terimlerle, bu fizyolojik fenomenlerin davranışsal bağıntılarını açıklar, örneğin, hazırlama ve küresel öncelik."

"Hem algısal çıkarımın hem de öğrenmenin serbest enerjinin en aza indirilmesine veya tahmin hatasının bastırılmasına dayandığını göstermek oldukça kolaydır."

Ayrıca bakınız

Referanslar

Dış bağlantılar